Article Per Year (5 Year)
p-Index From 2021 - 2026
0.778
P-Index
This Author published in this journals
All Journal Media Informatika
Lanvino, Ferdinand
Unknown Affiliation
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Perancangan Aplikasi Pengenalan Tata Surya dengan Augmented Reality Marker Based Felisa, Jenisa; Stefani, Kezia; Sukhoco, Andre Yonathan; Lanvino, Ferdinand; Glorian, Laurent
Media Informatika Vol 22 No 3 (2023)
Publisher : P3M STMIK LIKMI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37595/mediainfo.v22i3.211

Abstract

Proses belajar mengajar dapat dimaksimalkan dengan menyediakan media pembelajaran yang memadai. Berkembangnya teknologi pada zaman sekarang ini dapat membantu menyediakan media pembelajaran. Salah satunya dengan memanfaatkan teknologi Augmented Reality. Augmented Reality adalah teknologi yang dapat memberikan kesan virtual di dunia nyata yang dapat divisualisasikan dalam bentuk objek 3D, contohnya seperti tata surya. Perancangan aplikasi Augmented Reality ini menggunakan metode marker based. Marker based merupakan salah satu metode dari Augmented Reality yang membutuhkan penanda (marker) untuk dapat menampilkan objek 3D. Algoritma yang digunakan adalah FAST (Features from Accelerated Segment Test) Corner Detection (FCD) dimana cara kerjanya adalah dengan mendeteksi ujung sudut gambar dari marker untuk mengenali gambar tersebut kemudian objek 3D akan ditampilkan sesuai dengan yang telah di input dalam aplikasi. Metodologi yang digunakan dalam penelitian ini adalah metodologi berorientasi objek dengan membuat beberapa diagram UML (Undified Modelling Language) untuk menguraikan cara kerja dalam aplikasi ini, yaitu dengan menggunakan Use Case Diagram, Class Diagram, dan Activity Diagram.  Hasil dari penelitian ini adalah aplikasi tersebut dapat digunakan pada perangkat Android, dan jarak scan marker bergantung pada spesifikasi kamera perangkat yang digunakan.
Pengembangan Model Sistem Informasi Manajemen Aset Tetap Maryanto, Budi; Sukhoco, Andre Yonathan; Lanvino, Ferdinand
Media Informatika Vol 22 No 3 (2023)
Publisher : P3M STMIK LIKMI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37595/mediainfo.v22i3.212

Abstract

Aset tetap adalah bagian dari aset berwujud yang dimiliki instansi/perusahaan dengan masa manfaat lebih dari setahun, dimanfaatkan dalam operasional perusahaan dan menghasilkan keuntungan finansial dalam jangka panjang, dapat disusutkan nilainya, serta tidak bersifat liquid. Aset jenis ini berperan sangat penting, karena nilai ekonominya yang tinggi dan menjadi modal operasional perusahaan. Pengelolaan aset yang efisien melalui dukungan sistem informasi, dapat memberikan keunggulan kompetitif bagi perusahaan yang bersangkutan. Dalam artikel ini diuraikan pengembangan model sistem informasi untuk manajemen aset tetap berupa cakupan kebutuhan sistem, rancangan basisdata, serta rancangan antarmuka. Selanjutnya dapat diimplementasikan menjadi aplikasi yang diharapkan mampu meningkatkan kinerja pengelolaan aset menjadi lebih optimal.
Optimisasi Penjadwalan Mata Kuliah Menggunakan Algoritma Simulated Annealing Sukhoco, Andre Yonathan; Lanvino, Ferdinand; Yudhistyra, Ekabrata; Permana, Budi; Ukar, Kurweni
Media Informatika Vol 23 No 1 (2024)
Publisher : P3M STMIK LIKMI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37595/mediainfo.v23i1.217

Abstract

Penyusunan jadwal perkuliahan merupakan aktivitas administratif yang rutin dilakukan setiap pergantian semester di lingkungan institusi pendidikan tinggi, salah satunya di STMIK LIKMI. Namun, kompleksitas kombinasi data menghambat pihak administrasi untuk bisa menuntaskan aktivitas tersebut secara cepat. Salah satu alternatif yang dapat membantu proses penjadwalan adalah dengan menerapkan algoritma optimisasi, yaitu Simulated Annealing (SA). Proses penjadwalan dilakukan secara iteratif, dimulai dengan membentuk solusi jadwal baru berdasarkan solusi saat ini, mengevaluasi pelanggaran batasan-batasan yang telah ditentukan terhadap solusi baru tersebut, dan memutuskan apakah menerima solusi baru tersebut untuk dianilkan lebih lanjut atau tidak berdasarkan probabilitas dalam setiap iterasi, layaknya proses anil yang asli. Proses tersebut berlangsung sampai mencapai batas tertentu dan menghasilkan solusi jadwal yang paling memungkinkan yang bisa diperoleh. Proses penjadwalan yang menerapkan algoritma SA tersebut dapat disesuaikan secara fleksibel dengan kebutuhan studi kasus, sehingga dapat menghasilkan solusi jadwal terbaik yang beragam dan dapat memenuhi batasan-batasan yang ditentukan semaksimal mungkin, dengan mengompromikan kecepatan proses dan keidealan solusi.
Sistem Klasifikasi Bahasa Isyarat Indonesia (BISINDO) dengan Menggunakan Teachable Machine Lanvino, Ferdinand; Sukhoco, Andre Yonathan; Maryanto, Budi
Media Informatika Vol 23 No 3 (2024)
Publisher : P3M STMIK LIKMI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37595/mediainfo.v23i3.304

Abstract

Komunikasi adalah salah satu elemen pada kehidupan manusia yang penting, tidak terkecuali pada penyandang tunarungu. Namun keterbatasan pemahaman masyarakat terhadap bahasa isyarat dapat menjadi kendala ketika berkomunikasi dengan penyandang tunarungu. Penelitian ini bertujuan untuk mengembangkan model klasifikasi untuk salah satu bahasa isyarat yang sering digunakan oleh kaum tunarungu, yaitu Bahasa Isyarat Indonesia atau BISINDO. Model dikembangkan dengan bantuan platform Teachable Machine. Dataset yang digunakan terdiri dari 92 gambar untuk setiap 26 abjad BISINDO. Model yang dihasilkan akan dievaluasi dengan metrik confusion matrix dan accuracy. Hasil penelitian menunjukkan model yang dihasilkan dapat memprediksi sebagian besar abjad BISINDO dengan baik, meskipun beberapa class seperti abjad “E” memiliki akurasi yang rendah (0.79). Teachable Machine dapat digunakan untuk membuat model prediksi yang cukup baik khususnya dalam mengatasi masalah komunikasi penyandang tunarungu tanpa perlu memiliki latar belakang dalam bidang machine learning yang mendalam. Berdasarkan hasil penelitian yang telah dilakukan dapat disimpulkan bahwa Teachable Machine dapat digunakan untuk membuat model prediksi yang cukup baik khususnya dapat menjadi solusi inovatif dalam mengatasi masalah komunikasi penyandang tunarungu tanpa perlu memiliki latar belakang dalam bidang machine learning yang mendalam.
Co-Authors Felisa, Jenisa Glorian, Laurent Maryanto, Budi Permana, Budi Stefani, Kezia Sukhoco, Andre Yonathan Ukar, Kurweni Yudhistyra, Ekabrata